|
|
相关文章推荐
|
宽容的水桶 · Generating and ...· 6 月前 · |
|
|
鼻子大的日记本 · solidworks宏怎么制作 - 抖音· 2 年前 · |
|
|
风度翩翩的麦片 · 【罗技K845机械背光键盘使用总结】键帽|模 ...· 2 年前 · |
|
|
有爱心的卡布奇诺 · Android Java ...· 2 年前 · |
|
|
开朗的打火机 · androidx下fragment懒加载与生 ...· 2 年前 · |
我正在使用 Python Imaging Library 通过一个定义颜色关系的查找表对黑白图像进行着色。查找表只是一个包含256个元素的RGB元组列表：
>>> len(colors)
>>> colors[0]
(255, 237, 237)
>>> colors[127]
(50, 196, 33)
>>>
我的第一个版本使用了
getpixel()
和
putpixel()
方法：
for x in range(w):
for y in range(h):
pix = img.getpixel((x,y))
img.putpixel((x,y), colors[pix[0]])
这是可怕的缓慢。
profile
的一份报告指出，
putpixel
和
getpixel
方法是罪魁祸首。稍微研究一下(即，阅读文档)，我发现“请注意，这种方法相对较慢。”回复：
putpixel
。(实际运行时间: 1024x1024图像的
putpixel
为53s，
getpixel
为50s )
根据文档中的建议，我使用了
im.load()
和直接像素访问：
pixels = img.load()
for x in range(w):
for y in range(h):
pix = pixels[x, y]
pixels[x, y] = colors[pix[0]] 处理速度加快了一个数量级，但仍然很慢:处理1024x1024图像大约需要3.5秒。
对PIL文档的更彻底的研究似乎表明，
Image.point()
正是为了这个目的：
im.point(table)=>图像
im.point(function)
=>图像
返回图像的副本，其中每个像素都通过给定表进行了映射。该表应包含图像中每个波段的256个值。如果改用函数，它应该只有一个参数。该函数针对每个可能的像素值调用一次，并将结果表应用于图像的所有波段。
我花了一些时间修改界面，但似乎不能完全理解它。请原谅我的无知，但是PIL的文档很简短，而且我没有太多的图像处理经验。我在谷歌上搜索了一下，找出了一些例子，但没有什么能让我理解"click“这个用法的。因此，最后，我的问题是：
-
Image.point()是适合这项工作的工具吗？ -
Image.point()需要什么样的格式/结构的表？ - 有人能给出一个实现的例子吗？到目前为止，我尝试的每一次迭代都以直接的黑色图像结束。
2 个回答
高票数
最新
Nadia Alramli
修改于2010-02-02 10:12
得票数
15
对于这项工作，
()是正确的工具吗？
是的，确实，
Image.point()
非常适合这项工作
Image.point()需要什么格式/结构的表？
你应该扁平化这个列表，而不是使用
[(12, 140, 10), (10, 100, 200), ...]
：
[12, 140, 10, 10, 100, 200, ...]下面是一个我刚刚尝试过的快速示例：
im = im.point(range(256, 0, -1) * 3)
顺便说一句，如果你需要更多的颜色控制，并且你觉得Image.point不适合你，你也可以使用
Image.getdata
和
Image.putdata
来比
load
和
putpixel
更快地改变颜色。不过，它比
Image.point
慢。
Image.getdata
提供所有像素的列表，修改它们并使用
Image.putdata
写回它们。就是这么简单。但请先尝试使用
Image.point
。
编辑
我在第一个解释中犯了一个错误，现在我将正确地解释：
颜色表实际上是这样的
[0, 1, 2, 3, 4, 5, ...255, 0, 1, 2, 3, ....255, 0, 1, 2, 3, ...255]每个波段范围紧挨着另一个。要将颜色(0，0，0)更改为(10,100，10)，需要如下所示：
[10, 1, 2, 3, 4, 5, ...255, 100, 1, 2, 3, ....255, 10, 1, 2, 3, ...255]要将您的颜色列表转换为正确的格式，请尝试以下操作：
table = sum(zip(*colors), ())我认为我的第一个示例应该为您演示formate。
Jonathan Root
修改于2013-08-12 01:12
得票数
3
我认为这可能是更典型的逐带基础上的
point
(直接从PIL
tutorial
中提升)：
# split the image into individual bands
source = im.split()
R, G, B = 0, 1, 2
# select regions where red is less than 100
mask = source[R].point(lambda i: i < 100 and 255)
# process the green band
out = source[G].point(lambda i: i * 0.7)
推荐文章
|
|
鼻子大的日记本 · solidworks宏怎么制作 - 抖音 2 年前 |